图像读取

Image read $\Rightarrow$ torchvision.datasets

from torchvision import datasets
dataset = datasets.ImageFolder(data_dir, transform=transforms.Resize((512, 512)))

Return value illustration

1. dataset[0][0]是PIL.Image objects，这利用IPython.display输出image，

from IPython import display
dataset = datasets.ImageFolder(data_dir, transform=transforms.Resize((512, 512)))
print(dataset)
print(len(dataset))
print(dataset.samples)
print(dataset[0][0])
print(dataset[0][1])
display.display(dataset[0][0])
print(dataset.samples[0][0])
print(dataset.samples[0][1])
dataset.samples = [
    (p, p.replace(data_dir, data_dir + '_cropped'))
        for p, _ in dataset.samples
]
print(dataset.samples[0][0])
print(dataset.samples[0][1])
        
loader = DataLoader(
    dataset,
    num_workers=workers,
    batch_size=batch_size,
    collate_fn=training.collate_pil
)

for i, (x, y) in enumerate(loader):
    mtcnn(x, save_path=y)
    print('\r第 {} 批，共 {} 批'.format(i + 1, len(loader)), end='')
    
# Remove mtcnn to reduce GPU memory usage
del mtcnn

help(datasets.ImageFolder)

返回的dataset类有如下函数:

1. dataset[0][0]=PIL.Image，[1]=tag
2. dataset.sample[0][0]
3. len(dataset)

之后DataLoader加载数据集

loader = DataLoader(…)返回的DataLoader是什么，如何使用

`DataLoader`返回的是一个迭代器，用于从给定的`dataset`中按照指定的`batch_size`以及其他参数，生成批次的数据。
每个批次数据是一个元组，其中包含了输入样本和对应的标签。

在给定的代码中，`DataLoader`会使用`dataset`作为数据源，设置`num_workers`参数表示同时使用多少个子进程来加载数据，设置`batch_size`参数
表示每个批次的样本数量。`collate_fn`参数是一个用来自定义如何将样本列表组合成一个批次的函数。

通过使用`DataLoader`，可以方便地对大规模数据集进行批次加载，以进行训练或推理操作。
使用`DataLoader`的好处是可以自动进行数据并行处理，提高数据加载的效率。

for i, (x, y) in enumerate(loader):

是常用的 图像/样本 使用方式，x是图像batch列表，

x是图像，y是路径，好繁琐

图像裁剪

MTCNN 说明

facenet_pytorch.MTCNN是一个用于人脸检测和对齐的Python库。它使用了三个级联的神经网络来完成这个任务，分别是P-Net、R-Net和O-Net。

在MTCNN中，有三个阈值需要设置，分别是人脸检测的阈值、人脸对齐的阈值和人脸裁剪的阈值。

人脸检测的阈值（detection_threshold）：用于确定是否存在人脸的阈值，默认值为0.6。当检测到的人脸置信度大于该阈值时，认为存在人脸。

人脸对齐的阈值（landmarks_threshold）：用于确定是否成功对齐人脸的阈值，默认值为0.7。当对齐后的人脸关键点置信度大于该阈值时，认为对齐成功。

人脸裁剪的阈值（min_face_size）：用于确定最小人脸尺寸的阈值，默认值为20。当检测到的人脸尺寸小于该阈值时，将被忽略。

这些阈值可以根据具体应用场景进行调整，以达到更好的检测和对齐效果。

from facenet_pytorch import MTCNN
mtcnn = MTCNN(
    image_size=160, margin=0, min_face_size=20,
    thresholds=[0.6, 0.7, 0.7], factor=0.709, post_process=True,
    device=device
)

facenet_pytorch.MTCNN是一个用于人脸检测和对齐的模型，它有以下几个参数：

min_face_size：最小人脸尺寸。默认值为20，表示检测到的人脸的最小边长为20个像素。

thresholds：阈值列表。默认值为[0.6, 0.7, 0.7]，表示在三个不同的阈值下进行人脸检测和对齐。

factor：图像金字塔的缩放因子。默认值为0.709，用于生成不同尺度的图像。

post_process：是否进行后处理。默认值为True，表示进行后处理以去除重叠的人脸框。

device：设备类型。默认值为"cuda:0"，表示使用GPU进行计算。如果没有可用的GPU，则可以设置为"cpu"。

keep_all：是否保留所有检测到的人脸框。默认值为False，表示只保留最大的人脸框。

select_largest：是否选择最大的人脸框。默认值为False，表示选择所有检测到的人脸框。

prewhiten：是否对图像进行预白化处理。默认值为True，表示对图像进行预处理以提高模型性能。

Cropping out 人脸框

用mtcnn对x裁剪，放入地址=y，

for i, (x, y) in enumerate(loader):
    mtcnn(x, save_path=y)
    display.display(display.Image(y[0]))
    print('\r第 {} 批，共 {} 批'.format(i + 1, len(loader)), end='')

IPython中输出如下: